关于Neo4j文档中，node-similartiy介绍里的疑问？

https://neo4j.com/docs/graph-data-science/current/algorithms/node-similarity/

这一段原文

被翻译成

 我以为是节点n所有有特定关系的邻居节点都放在了集合N(n)里？然后m是代指跟n有具体特定关系的节点。如果这样理解的话，应该是m属于N(n)了，就不存在N(m)了，所以我觉得我应该是理解错了。但我没能明白这个N(n)和N(m)到底分别指什么。

简单的说，N(n)表示节点n所有邻居节点，N(m)表示节点m所有邻居节点，然后基于一些度量准则基于N(n)和N(m)计算节点相似度，比如

NEO4J-相似度算法01-杰卡德相似度介绍及应用场景简介_疯狂攻城师的博客-CSDN博客_neo4j相似度算法 说明：使用neo4j算法库时需引入跟neo4j数据库对应的算法库插件或自定义算法库一、杰卡德Jaccard似度算法1.简介Jaccard 相似度（系数）是Paul Jaccard创造的一个术语，用于衡量集合之间的相似度。它被定义为交集的大小除以两个集合的并集的大小。这个概念已被推广到多重集，其中重复元素被视为权重。Jaccard 相似度使用以下公式计算：该算法的输入是包含两个不相交节点集的二部连通图。每个关系从第一个节点集中的一个节点开始，到第二个节点集中的一个节点结束。节点 https://blog.csdn.net/lijunliang2017/article/details/119544863

NEO4J-相似度算法05-重叠相似度算法应用场景简介_疯狂攻城师的博客-CSDN博客_neo4j 重叠相似度 说明：使用neo4j算法库时需引入跟neo4j数据库对应的算法库插件或自定义算法库1.简介重叠相似度算法就是先把两个向量表示成两个长度相等得一维坐标，即映射到一维空间，再进行重合度加权求和，它即不关注两个向量得夹角，也不关注向量之差得长度值。其向量公式如下：数学计算公式如下：，其中分母是作为一个归一化因子，其中成为共同维度函数，O(x_{i},y_{i}) }为重合度函数2.使用场景我们可以使用重叠相似性算法来计算出哪些事物是其他事物的子集。此算法对两个事物之间本身关联关系数 https://blog.csdn.net/lijunliang2017/article/details/119873592